[原创] AI遇上MCU，跨界处理器“跨”出新高度
2021-04-02
14:00:38
来源: 半导体行业观察
1999年的笔记本、台式电脑、手机等孕育了约1500亿美元的半导体业务，2009年进入到智能手机、云计算时期，大约有2500亿美元的半导体业务，而从2019年和2020年开始，约5000亿美元的半导体业务正在向我们招手，一个边缘计算的新时代正在走来。这个增长需要对每个节点和边缘有处理能力，也需要融入人工智能和机器学习技术。
恩智浦看到了这个机会。在边缘计算领域，恩智浦最近几年推出的跨界处理器i.MX系列正发展的如火如荼，据悉，其在无人机以及工业控制领域已经被广泛采用。犹记得2017年11月，恩智浦推出了业界第一款跨界处理器产品i.MX RT1050，当时引起了业界的广泛关注，此后的三年间，恩智浦又相继发布了RT1050、RT1020、RT1060、RT1064、RT1015、RT1010和RT1024等第一代产品家族，这些产品已经在市场上证明跨界处理器是未来高性能MCU的发展方向，并改变了终端用户的产品定义，加速产品创新升级。
如今，恩智浦将MCU插上AI的翅膀，将跨界处理器进行到底。
“跨界处理器的确给我们带来了非常多的变化，它不仅仅是原来一个小的Arm MCU能做的一些事情”。已经在MCU领域从业十几年，经历了Arm MCU从初级普及阶段到现在高端、智能的跨界处理器的阶段的恩智浦边缘处理事业部系统工程总监王朋朋感慨道。而现在，恩智浦正在探索跨界处理器更广阔的的星辰大海。
本次，恩智浦i.MX应用处理器系列产品中新增了超低功耗i.MX 8ULP、经Microsoft Azure Sphere认证的i.MX 8ULP-CS和新一代可扩展、高性能i.MX 9应用处理器。在三大重磅武器的加持下，这几款跨界处理器“跨”出了新高度。这三大武器：
一个是EdgeLock™安全区域，它使得边缘处理器的安全性取得显著提升；另一个是Energy Flex架构，它最大限度地提高了MCU的能源效率；再就是增强的eIQ机器学习软件开发环境，其丰富的计算加速引擎赋能机器学习。
在i.MX 8ULP和i.MX 8ULP-CS系列中，Energy Flex架构将异构域处理、设计技巧和28nm FD-SOI工艺技术相结合，能源效率比前代产品提高了多达75%。这些处理器中嵌入了可编程电源管理子系统，该子系统能够管理20多种不同的电源模式配置，从而提供出色的能源效率——从全功率到低至30微瓦。通过这种灵活的配置范围，OEM和开发人员可以定制特定应用的电源配置文件，以尽可能提高能源效率。
i.MX 9应用处理器在整个系列中集成专用的神经处理单元（NPU），在边缘针对需要低功耗连接和机器学习加速选项的性能加强型系统扩展了机器学习功能。该系列还标志着恩智浦Arm Ethos U-65 microNPU的首次实现，这使得在广泛的嵌入式设备中构建高效的低成本人工智能解决方案成为可能。i.MX 9系列应用处理器采用恩智浦创新的Energy Flex架构，以便开发人员优化能源效率、帮助减少碳足迹并延长电池使用寿命。
在i.MX 9处理器中，Energy Flex架构将异构域处理（独立应用处理器和配有独立低功耗多媒体域的实时域）、设计技巧和工艺技术相结合，以最大限度提高运行效率。例如，实时域可为低功耗音频用例提供支持，其中音频可以在处理器其余部分关闭时运行。实时域还适用于工业应用，如需要快速启动（小于100毫秒）的CAN网络。该产品线的首个系列将通过16/12nm FinFET工艺技术制造，并且功耗极低。
针对热门的AI和ML，恩智浦边缘处理事业部软件研发总监翁铁成表示，在与客户交流的过程中，恩智浦发现他们的痛点之一是在不同的物联网环境里，AI和ML如何落地到他们的产品中，而且大家的认知不一样，使用时对一些算法的了解也不够。因此恩智浦提供了一个通用的、容易上手且能提升他们用户体验的一套工具集eIQ Toolkit，并针对工具集最大地发挥硬件能力。
“客户拥有数据，但如何基于数据经过训练生成他所需要的模型对于很多客户来说就是困难的。因此恩智浦提供一个平台，借助这个工具集，只要有了数据，恩智浦就可以提供很多的模型选项，你可以选你想用Caffe还是想用TensorFlow等，然后可以安装在强大的PC和服务器上，它提供的界面可以做自动化的训练。训练完以后会产生针对恩智浦的MCU或者是MPU的最适用的训练模型，通过我们自己的工具下载到SoC上并满足客户的需求。”翁铁成总结为，在eIQ Toolkit工具上，只要你有数据就行。
关于MCU上的AI 应用，王朋朋讲述到，从大致方向看，MCU能做的事情和高端的处理器没有区别。从步骤上讲，它们采用的流程也是一致的，比如在PC端做数据训练、建模，然后做一些转换、量化降解，再分解成可以在MCU部署的模型或者是一些能够和C语言、C++配合的量化的代码。在目标MCU端可以做数据的输入和模型的运算，比对输出的结果。区别只是在采用的工具上，MCU需要采用更加适合MCU的模型或者是框架，比如，MPU上可以采用Tensorflow，在MCU上就需要采用Tensorflow Lite Micro，它更加适合在MCU上做一些实时的处理，少一点的算力模型，相对来说要简化一些，以便更好地配合，比较适合MCU的输入和输出以及接口控制。同时，MCU的功耗和成本比较低，所以可以在边缘侧做一些比较适合它的AI的应用。
需要重点指出的是，可以看到，i.MX 8ULP和i.MX 9系列中都融合了EdgeLock技术，因为在边缘上，除了算力、功耗的考虑以外，现在越来越注重安全，比如一些数据需要传送，很多的推理、处理都在本地运行，所以大家越来越重视数据的安全性。
恩智浦在整套安全解决方案方面拥有丰富的经验和悠久的历史，并以此为基础推出了EdgeLock安全区域，这是一款经过预配置的安全子系统，简化了复杂安全加密技术的实现，并帮助设计人员避免代价高昂的错误。
关于EdgeLock技术，翁铁成做了详细的介绍，他着重强调了两点：一是，从安全策略启动和信任根来看，一方面恩智浦提供了EdgeLock2Go的技术，该技术的信任根包含在EdgeLock里面，恩智浦可以通过信任根与EdgeLock的云服务做交互，能够保证它安全地做认证。以恩智浦的合作伙伴微软为例，恩智浦把微软的相关IP也集成到里面，包含了微软自己做Azure Sphere的信任根，它也是结合到EdgeLock里面，从而享受到Azure Sphere提供的安全的云服务。它不只是云服务，其本身也是一个操作系统，基于恩智浦和微软战略合作伙伴的关系，它能够持续提供10多年以上的升级和改进，包括安全策略的提升等服务，能够保证在工业物联网领域十多年以上的使用寿命。
第二是创新的高效节能技术，这是针对异构架构而言，包含了Cortex-A核的A35并具备既高效又节能的特点；针对实时处理，恩智浦还有Cortex-M33的核。基于Energy Flex架构处理时，提供了丰富的可选择的配置，比如可以针对Cortex-M进行处理，也可以针对Cortex-M加上A核进行处理，还可以将GPU、DSP加到里面形成一个统一的能耗的管理，总共加起来大概有20多种能耗的配置，针对多样化的物联网和工业领域需求提供多种选择。
现在，嵌入式开发人员可以专心研究应用，解决上市时间挑战，让EdgeLock安全区域技术来处理物联网安全保护的潜在复杂性。
硬件之外，软件为辅。跨界处理器为高级软件技术的应用和普及带来了新的机遇，同样，丰富而强大的软件工具也为之作支撑。恩智浦除了做底层的芯片设计和参考电路板的设计，还给客户提供软件方面的支持。该做法的目的有两个，一是提升用户体验，客户拿到恩智浦的芯片以后能更快地针对特定应用场景开发自己的产品；二是能最大化发挥芯片的能力。
同时恩智浦非常强调可扩展性，据恩智浦大中华区工业与物联网市场高级总监金宇杰介绍，
恩智浦的产品的算力从初级到高端，从比较简单的Cortex系列到A系列，从单核到多核，以及不同种类的DSP、GPU等都有，这就让大家能够在应用领域有更多的选择。
所以可扩展性是恩智浦产品组合一个非常大的特点。
在恩智浦看来，无论是从支持的客户数量还是应用的多样化上来说，跨界处理器是成功的，这也是恩智浦做MCU这么多年以来比较火的一个系列。未来，恩智浦仍会继续推出性能更强或者应用性更强的跨界处理器产品。
*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。
今天是《半导体行业观察》为您分享的第2633内容，欢迎关注。
『
半导体第一垂直媒体
』
实时 专业 原创 深度
识别二维码
，回复下方关键词，阅读更多
晶圆｜集成电路｜设备｜模拟芯片
｜射频｜传感器｜美国｜光刻
回复
投稿
，看《如何成为“半导体行业观察”的一员 》
回复
搜索
，还能轻松找到其他你感兴趣的文章！
责任编辑：Sophie
